过往年少|5G和机器学习：将蜂窝基站从智能变成天才( 二 ) 5G迎来了新的“天才”网络

一个网络来统治一切-听起来并不容易5G发展的推动因素之一是拥有一个框架来满足3个用例的变化且经常相互冲突的需求，包括增强型移动宽带（eMBB），大规模物联网和关键任务应用。
这些用例以前是由专用的异构网络提供服务，现在将由5G网络体系结构提供支持，同时继续要求相互矛盾的功能。
设计用于支持EMBB用例的网络需要进行优化，以实现高速，中低延迟和可盈利的容量。另一方面，大规模物联网网络需要低成本，窄带宽，低控制平面开销和高可靠性。关键任务网络需要高速，低延迟和高可靠性。为了使这一愿景成为现实，已将5G设计为在控制平面和通道配置中具有高度可变性和灵活性。
因此，至关重要的是5G网络必须能够根据不断变化的条件（例如历史负载数据， RF条件，位置和其他各种因素）预测有效载荷类型和使用情况，以便高效，动态地配置和利用5G频道资源。
因此，机器学习不仅被用于预测用户设备的特性和功能，可能的用例要求和RF条件，而且还可能预测最有可能请求的内容类型，并使用边缘缓存技术使内容更接近最终用户。
例如，根据历史趋势数据，可能会发现，由于基站到大学的距离以及Netflix或Disney+上的当前趋势标题，在一天的某些时间应制作特定的电影。靠近该基站可用以减少网络拥塞，缓冲和延迟。同样，靠近交叉路口的某个基站在一天中的某些时候会变得拥挤，可能需要更多的流量和V2X传感器数据来帮助辅助ADAS或自动驾驶应用。
进化的下一步【过往年少|5G和机器学习：将蜂窝基站从智能变成天才】作为一个行业，随着5G和机器学习的结合，我们正处在关键的发展点上，这使我们走上了由日益复杂的功能和适应性带来的网络能力和效率的跨越式发展的道路。但这是一个进化，而不是一场革命，而这是很早的日子。这些5G机器学习应用仅仅是潜力的开始，不仅可以在基站支持的物理层释放出潜力，而且随着这两种基础技术的融合并进入到应用层，我们进入了天才网络时代。